STAGE Entraînement d'un modèle de segmentation panoptique adapté au nucléaire

EDF; Palaiseau; Sur place; EUR 40 000 - 60 000; Plein temps

Résumé du poste

Une entreprise d'énergie recherche un(e) stagiaire pour travailler sur l'entraînement de modèles d'intelligence artificielle appliqués à la segmentation panoptique des données photographiques dans le cadre de la maintenance des centrales nucléaires. Le stage implique la recherche de modèles récents ainsi que l'entraînement et l'optimisation des performances des modèles en fonction des classes. Vous développerez des compétences essentielles liées à l'utilisation industrielle de l'IA.

Qualifications

• Entraînement d’un réseau d’IA pour une utilisation industrielle.
• Optimisation sur certaines classes précises.

Responsabilités

• Réaliser un état de l'art sur les modèles sortis dans les 2 dernières années.
• Entraîner le(s) modèle(s) choisi(s) à partir des données déjà disponibles.
• Vérifier les performances selon les classes, et amélioration spécifique si besoin.

Description du poste

Contexte général

Dans le cadre de la maintenance des centrales nucléaires, EDF possède de grandes quantités de données disponibles, sous forme de photos, à analyser. Pour optimiser les études d\'ingénierie, il est intéressant de pouvoir déterminer automatiquement à quelle catégorie métier les objets en photo appartiennent.

Pour cela, les modèles d’IA en segmentation panoptique ont depuis longtemps fait leurs preuves. Toutefois, pour adapter ces modèles au monde industriel, quelques progrès sont encore à réaliser, notamment en termes d’entraînement.

L’équipe dispose de données annotées en quantité, de moyens de calcul performants (3 DGX avec 8 A100 ou H100), ainsi que d’une expertise dans le domaine de l’intelligence artificielle.

Description et objectifs du stage

L’équipe dispose déjà d’une base de photos annotées avec les différentes catégories recherchées, qui a permis l’entraînement d’un premier modèle de segmentation panoptique. Toutefois, des essais récents ont montré ses limites selon les différentes catégories, et les progrès technologiques des dernières années laissent à penser qu’il est possible d’obtenir de meilleurs résultats, plus adaptés aux besoins métiers.

Les objectifs seront donc de :

• Réaliser un état de l\'art sur les modèles sortis dans les 2 dernières années, en prenant en compte la permissivité des licences


• Entraîner le(s) modèle(s) choisi(s) à partir des données déjà disponibles


• Vérifier les performances selon les classes, et amélioration spécifique si besoin

Compétences à acquérir ou à développer

• Entraînement d’un réseau d’IA pour une utilisation industrielle


• Optimisation sur certaines classes précises